Regulated K-Means Clustering

Le k-means régularisé étend le k-means standard en ajoutant un terme de pénalité — le plus souvent une contrainte L1 (type lasso) ou L2 — à la fonction objectif. Ceci décourage les solutions de clustering dégénérées et, dans la variante éparse introduite par Witten et Tibshirani (2010), sélectionne simultanément les caractéristiques qui séparent les clusters, le rendant particulièrement précieux dans les contextes à haute dimensionnalité où de nombreuses caractéristiques sont non pertinentes.